Respuesta directa: la nueva investigación de OpenAI sobre Codex muestra que la IA corporativa está saliendo de la conversación y entrando en la delegación de trabajo. Los agentes de IA en el trabajo importan cuando ejecutan tareas largas, usan herramientas, dejan rastros, aceptan supervisión humana y ayudan a rediseñar procesos. Esto está mucho más cerca de un Empleado Digital que de un chatbot.
OpenAI publicó un estudio económico sobre el uso de Codex y puso números en un cambio que ya aparecía en la práctica: la unidad de valor de la IA dejó de ser la respuesta aislada. La nueva unidad es el trabajo delegado.
El paper "The Shift to Agentic AI: Evidence from Codex" analiza datos de uso de Codex entre usuarios individuales, cuentas organizacionales y trabajadores de la propia OpenAI. El punto central no es que todos usen agentes de la misma forma. No usan. El punto es que donde la fricción cae y la herramienta madura, las personas dejan de solo conversar con IA y comienzan a delegar ejecución.
Para XMACNA, esa es la lectura importante. La noticia no es «Codex creció». La noticia es que el mercado está aprendiendo a medir la IA como trabajo: tiempo de ejecución, complejidad de la tarea, competencia entre agentes, reutilización de flujos de trabajo y producción de artefactos.
Este vocabulario es el mismo que sostiene la idea de Empleados Digitales.
Lo que midió OpenAI
OpenAI separa la IA conversacional de la IA agéntica por una diferencia simple: en lugar de responder una pregunta y terminar, el agente puede operar por minutos u horas, usar herramientas, interactuar con entornos, iterar y entregar un resultado.
El estudio muestra cuatro movimientos relevantes.
Primero, los usuarios empezaron a pedir trabajos de horizonte más largo. En mayo de 2026, 80,6% de los usuarios individuales muestreados habían hecho al menos una solicitud estimada arriba de 30 minutos de trabajo humano; 70,2% arriba de una hora; y 25,6% arriba de ocho horas. La propia OpenAI trata esta estimación como direccional, porque proviene de clasificación por modelo. Aun así, la señal es clara: las personas están delegando bloques más grandes de trabajo.
Segundo, el uso se expandió más allá de la ingeniería. OpenAI reporta un crecimiento muy rápido entre no desarrolladores: 137 veces entre usuarios individuales, 189 veces entre usuarios organizacionales y 12 veces internamente en OpenAI desde agosto de 2025. Dentro de la empresa, áreas como Jurídico, Financiero y Reclutamiento empezaron a usar Codex como herramienta primaria de trabajo alrededor de abril de 2026.
Tercero, los usuarios más avanzados trabajan en paralelo. En el estudio, casi 28,6% de los usuarios internos de OpenAI gestionaron cinco o más agentes concurrentes en algún momento de la semana analizada. Entre los usuarios más intensivos, el tiempo acumulado diario alcanza decenas de horas porque varias tareas corren simultáneamente.
Cuarto, aparece la sistematización. El uso de habilidades creció de 5,4% de los usuarios activos de Codex en 1º de marzo de 2026 a 26,6% en 11 de junio de 2026. Dentro de OpenAI, el uso es casi universal. Esto importa porque habilidades y plugins transforman una buena petición en un procedimiento repetible.
En lenguaje gerencial: el agente deja de ser algo improvisado y empieza a convertirse en proceso.
Por qué esto no es solo una noticia para desarrolladores
Codex nació en un contexto técnico, pero el cambio medido por OpenAI es mayor que programación.
El software fue el primer territorio natural porque tiene archivos, pruebas, dependencias, ambiente, revisión y resultado verificable. Pero las empresas también operan con archivos, reglas, historial, atención, propuestas, CRM, documentos, reportes, agenda, SLA y excepciones.
Cuando un agente logra entender contexto, usar una herramienta, registrar lo que hizo y pedir revisión humana, deja de ser una interfaz. Se vuelve una función.
Por eso la investigación interesa para ventas, atención, operación, finanzas, jurídico, marketing y recursos humanos. El problema de estas áreas rara vez es «falta de una respuesta bonita». El problema es fila, retrabajo, dato perdido, lead sin dueño, seguimiento olvidado, CRM vacío, documento detenido y decisión sin evidencia.
Un Empleado Digital no existe para impresionar en una demostración. Existe para asumir una parte del trabajo con límite claro: atender, calificar, registrar, avisar, llenar, consultar, organizar, escalar y mejorar con supervisión.
El gráfico más importante no es el más llamativo
Los gráficos originales de OpenAI muestran crecimiento de uso, tareas más largas, uso de habilidades y aumento de producción por función. Pero la lectura más importante está detrás de los números: las personas comienzan a organizar el día en torno a trabajo delegado.
Esto cambia la pregunta del tomador de decisiones.
La pregunta antigua era: «¿qué herramienta de IA debe usar mi equipo?»
La pregunta nueva es: «¿qué parte del trabajo puede convertirse en una función digital con entrada, salida, límite, registro y métrica?»
Esta diferencia separa adopción real de teatro tecnológico. La empresa que solo distribuye acceso a una IA mejora algunas tareas individuales. La empresa que rediseña flujo con agentes cambia la capacidad operativa.
En el estudio de OpenAI, los usuarios más intensivos no solo usan más IA. Delegan tareas, coordinan múltiples hilos, reutilizan flujos de trabajo codificados y trasladan su propio esfuerzo a supervisión e integración. Ese es el diseño de una nueva capa de gestión.
El papel humano se vuelve más importante, no menor
Existe una lectura perezosa sobre agentes: si la IA ejecuta, el humano desaparece. La investigación señala algo más interesante. El humano cambia de posición.
En lugar de hacer cada paso manualmente, define objetivo, provee contexto, elige criterio, revisa salida, corrige ruta, integra resultados y decide qué entra en producción. Esto requiere juicio, claridad, dominio del proceso y responsabilidad.
En la práctica, una empresa con agentes malos se vuelve más rápida en crear confusión. Una empresa con agentes bien diseñados gana capacidad sin perder control.
Este es el punto que XMACNA aplica en automatización de procesos con IA: no se trata de soltar una IA genérica dentro de la empresa. Se trata de diseñar una función con gobernanza.
Un Empleado Digital necesita saber:
- qué tarea debe ejecutar;
- qué datos puede usar;
- qué herramientas puede activar;
- cuándo debe detenerse;
- cuándo debe llamar a un humano;
- qué necesita registrar;
- qué métrica demuestra que mejoró el proceso.
Sin esto, un agente es solo otra ventana de conversación.
Qué cambia esto para las empresas brasileñas
Para la mayoría de las empresas, el riesgo no es quedarse sin el modelo más nuevo. El riesgo es entrar en la era de los agentes con procesos antiguos.
Atención aún dispersa. CRM todavía manual. Propuesta sin seguimiento. Lead sin dueño. Historial perdido. Backoffice copiando datos entre sistemas. Gestión midiendo volumen de mensajes en lugar de resultados.
Los agentes no corrigen esto automáticamente. Amplifican el diseño que encuentran. Si el proceso es malo, el agente acelera el problema. Si el proceso es claro, el agente aumenta la capacidad.
Por eso el primer paso no es comprar una herramienta. Es elegir una función.
Buenos ejemplos:
- calificar los leads que llegan por WhatsApp fuera del horario comercial;
- transformar la conversación en registro en el Panel Inteligente;
- ejecutar seguimiento de propuestas con contexto;
- organizar la fila de atención y SLA;
- resumir documentos y señalar excepciones;
- preparar reporte operativo con fuente y evidencia;
- escalar a humano cuando hay riesgo, negociación o excepción.
Malos ejemplos:
- "un agente general para ayudar a todos";
- "un asistente interno sin fuente confiable";
- "un generador de posts sin proceso editorial";
- "una IA que manipula datos sensibles sin registro".
El mercado llamará a todo esto agente. La operación distinguirá lo que trabaja de lo que solo conversa.
Cómo XMACNA interpreta este cambio
XMACNA no debería vender "acceso a agentes". Eso se convertirá en commodity.
El valor está en transformar agentes en Empleados Digitales: funciones digitales integradas al trabajo real de la empresa, con memoria, herramientas, supervisión, registro, evolución y métricas.
Esta interpretación se conecta directamente con el estudio de OpenAI. Cuando los usuarios delegan tareas largas, ejecutan agentes en paralelo y codifican flujos de trabajo reutilizables, la ventaja competitiva deja de estar en el prompt aislado. Pasa al diseño operativo.
Quien define bien la función gana. Quien improvisa conversando con IA pierde tiempo de una manera más moderna.
Para un equipo comercial, esto puede significar un SDR con IA que califica, registra y prioriza leads. Para atención, un Empleado Digital que responde rápido, mantiene memoria y activa humano en el momento justo. Para backoffice, un agente que lee documentos, señala pendientes y deja un rastro. Para gestión, una capa que transforma ejecución en datos confiables.
El nombre bonito es IA agéntica. La pregunta práctica es: ¿qué trabajo quieres delegar sin perder control?
Por dónde empezar
Comienza con una rutina que tenga tres características: volumen, repetición y consecuencia.
Volumen porque debe haber suficiente trabajo para justificar la automatización. Repetición porque el agente aprende mejor cuando la función es estándar. Consecuencia porque, sin impacto real, la iniciativa se vuelve escaparate.
Luego, define lo mínimo necesario:
- entrada: qué dispara la función;
- contexto: qué datos necesita el agente;
- herramienta: qué puede consultar o actualizar;
- límite: qué no puede decidir;
- entrega: cuándo llama a un humano;
- evidencia: qué registra;
- métrica: cómo demostrar que mejoró.
Este es el comienzo profesional. Sin glamour, afortunadamente. El glamour no llena un CRM.
En resumen
- OpenAI midió un cambio del chat a la delegación de tareas con Codex.
- Los usuarios comienzan a pedir tareas más largas, complejas y paralelas.
- El uso crece rápido fuera de ingeniería, especialmente entre trabajadores del conocimiento.
- Las skills y plugins muestran que los flujos de trabajo comienzan a convertirse en procedimientos reutilizables.
- El humano no desaparece: pasa a dirigir, revisar, supervisar e integrar.
- Para las empresas, la ganancia viene de rediseñar funciones, no de comprar una herramienta genérica.
- Un Empleado Digital es la forma práctica de poner agentes de IA a trabajar con límites, registro y resultados.
Si tu empresa quiere saber dónde los agentes realmente tienen sentido, comienza con el Diagnóstico de IA de XMACNA. La pregunta no es "¿qué IA está de moda?" sino qué función está demasiado cara para seguir dependiendo solo de la atención humana.
Preguntas frecuentes
¿Qué mostró la investigación de OpenAI sobre Codex?
Mostró que los usuarios migran de interacciones cortas a trabajo delegado con agentes: tareas más largas, uso de herramientas, flujos paralelos, skills reutilizables y ejecución en áreas más allá de ingeniería.
¿Los agentes de IA en el trabajo son diferentes de los chatbots?
Sí. Un chatbot conversa. Un agente ejecuta una función dentro de límites: consulta contexto, usa herramientas, produce artefactos, registra acciones y llama a un humano cuando es necesario.
¿Codex es solo para desarrolladores?
No. Su origen es técnico, pero la investigación muestra crecimiento rápido entre no desarrolladores y uso en áreas como investigación, planificación, comunicación, reclutamiento, ventas, producto y análisis de datos.
¿Qué debe medir una empresa al usar agentes?
Tarea completada, tiempo de respuesta, calidad del registro, tasa de entrega (handoff), revisión humana, reducción de retrabajo, conversión, SLA e impacto en el proceso. Volumen de mensajes sólo es una métrica pobre.
¿Cómo transforma XMACNA agentes en operación?
XMACNA diseña Empleados Digitales: funciones digitales con contexto, memoria, herramientas, supervisión, registro y métricas, aplicadas a ventas, atención, CRM, WhatsApp, backoffice y procesos empresariales.